公开(公告)号：CN115985407A

公开(公告)日：2023-04-18

申请号：CN202310019297.5

申请日：2023-01-06

Applicant: 西南石油大学

Inventor： 杨桃 ,  唐洪明 ,  汪敏 ,  廖纪佳 ,  冯于恬 ,  冷钇江 ,  石学文 ,  刘佳 ,  郭鑫平

IPC: G16C20/20 ,  G16C20/70 ,  G06N20/20 ,  G06N5/01 ,  G06N3/042 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明涉及一种低阻页岩含气量预测的融合模型方法。包括以下步骤：S1：整理目标工区页岩气井的测井数据，使用LOF算法进行测井数据异常值检测，利用均值和众数对异常值进行替换；S2:利用最大最小值法对测井数据进行归一化处理；S3：结合地球物理测井知识和斯皮尔曼法筛选输入模型的测井数据类型；S4：利用S3处理后的数据，建立测井数据到岩心含气量间的随机森林、XGBoost和深度神经网络模型；S5：利用Stacking模型融合策略，将S4中的三模型融合，建立泛化性能更佳的低阻页岩含气量预测机器学习模型；本专利从新颖和适用角度出发，基于Stacking模型融合策略，设计了一种可高效预测低阻页岩含气量的机器学习方法，为低阻页岩气开发策略制定提供参考。